一种自适应的在线监测数据趋势提取方法

摘要

本发明涉及一种自适应的在线监测数据趋势提取方法，该方法结合了组合形态滤波器和经验模态分解两种方法，首先动态构造自适应的形态滤波器结构元素，使用所述形态滤波器结构元素进行滤波，进而进行经验模态分解，然后根据所处理数据的特点构造趋势项，最后根据所述趋势项进行趋势预警。该方法运算性能高，自适应性强，使用效果好。

主权项

一种自适应的在线监测数据趋势提取方法，其特征在于，该方法首先动态构造自适应的形态滤波器结构元素，使用所述形态滤波器结构元素进行滤波，进而进行经验模态分解，然后根据所处理数据的特点构造趋势项，最后根据所述趋势项进行趋势预警；具体包括以下步骤：(1)动态计算原始序列的标准差，以所述标准差作为半径构造半圆形结构元素，作为形态滤波器结构元素；(2)采用所述半圆形结构元素对原始序列进行滤波处理，去除高频、脉冲等噪声，得到初步的趋势序列数据；(3)对初步的趋势序列数据按经验模态分解方法进行分解，得到一组IMF分量和一个余量；(4)根据所处理数据的特点，选择余量或者若干个IMF分量的叠加作为趋势项r(t)；(5)对于趋势项r(t)，计算趋势项r(t)在对应的序列时间长度内的趋势发展速度，如果趋势发展速度超过设置的阀值，则发出趋势预警，趋势发展速度V定义如下式：$V=\frac{\left(r\right(t_n)-r(t_0\left)\right)·T}{t_n-t_0}$其中，t₀是序列的起始时间，t_n是序列的截止时间，r(t₀)是t₀时刻趋势项的值，r(t_n)是t_n时刻趋势项的值，T是基准周期。